-
公开(公告)号：CN112633319A
公开(公告)日：2021-04-09
申请号：CN202011323339.7
申请日：2020-11-23
申请人： 贵州大学
摘要： 本发明涉及一种不完备数据集中平衡输入数据类别多目标检测方法，本发明通过运用Batch Size平衡数据集类别方法处理因不平衡数据引起模型训练过程中的不稳定性挑战，在不影响原始数据分布的情况下，基于训练数据集类别分布情况平衡Batch Size的输入，使神经网络在每次迭代过程的数据类别均衡并采用多策略的Batch Normalization的方法去平衡训练过程中每个类别的输入数据，确定训练过程中的迭代次数，减少模型在训练过程中过学习和欠学习的情况，将利普希茨连续函数与深度学习的多策略Batch Normalization平衡输入数据方法进行结合，建立满足利普希茨连续函数等式，分析不平衡数据集的正负样本在输入给神经网络模型中，提高检测模型的稳定性，解决数据不平衡分布问题。
-
公开(公告)号：CN114065806A
公开(公告)日：2022-02-18
申请号：CN202111259707.0
申请日：2021-10-28
申请人： 贵州大学
摘要： 本发明涉及一种基于脉冲神经网络的机械手触觉数据分类方法，包括，步骤S1，数据输入；步骤S2，图卷积层；步骤S3，发送脉冲；步骤S4，特征映射；步骤S5，发送脉冲；步骤S6，特征映射；步骤S7，发送脉冲；步骤S8，输出结构。本发明通过构建脉冲神经网络模型，包括，输入层、图卷积层、3个LIF层、2个具有不同输出的全连接层以及输出层；优化隐藏层的模型结构，并通过引入正态分布密度函数近似传播函数来加快模型收敛速度，提高物体分类准确性；通过修改隐藏层的结构，使模型与触觉感知场景更加贴合，更能够模拟实际场景，提高了感知能力，以及模型的鲁棒性。
-
公开(公告)号：CN112633319B
公开(公告)日：2022-11-22
申请号：CN202011323339.7
申请日：2020-11-23
申请人： 贵州大学
IPC分类号： G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明涉及一种不完备数据集中平衡输入数据类别多目标检测方法，本发明通过运用Batch Size平衡数据集类别方法处理因不平衡数据引起模型训练过程中的不稳定性挑战，在不影响原始数据分布的情况下，基于训练数据集类别分布情况平衡Batch Size的输入，使神经网络在每次迭代过程的数据类别均衡并采用多策略的Batch Normalization的方法去平衡训练过程中每个类别的输入数据，确定训练过程中的迭代次数，减少模型在训练过程中过学习和欠学习的情况，将利普希茨连续函数与深度学习的多策略Batch Normalization平衡输入数据方法进行结合，建立满足利普希茨连续函数等式，分析不平衡数据集的正负样本在输入给神经网络模型中，提高检测模型的稳定性，解决数据不平衡分布问题。
-
公开(公告)号：CN115048979A
公开(公告)日：2022-09-13
申请号：CN202210466761.0
申请日：2022-04-29
申请人： 贵州大学
摘要： 本发明提供一种基于正则化的机器人触觉脉冲数据分类方法，包括以下步骤，S1数据获取，S2构建触觉数据的图神经网络的图拓扑结构，S3引入正则化方法缓解触觉脉冲数据模型过拟合问题，S4获得脉冲神经网络模型的输出。与现有技术相比，本发明通过在训练算法中增加正则化方法，缓解因训练数据较少带来的过拟合问题，提升家居物品触觉数据的分类准确性，从而提高了模型性能，提升了鲁棒性，增强了网络的泛化能力。
-
公开(公告)号：CN115358261A
公开(公告)日：2022-11-18
申请号：CN202210914970.7
申请日：2022-08-01
申请人： 贵州大学
摘要： 本发明提出了一种基于脉冲时间序列误差反向传播的触觉物体识别方法，包括：S‑A，搭建基于脉冲神经元的脉冲神经网络模型；S‑B，将用于模型训练的触觉数据输入脉冲神经网络模型，并通过脉冲时间序列的误差反向传播算法对建立的脉冲神经网络模型进行训练，根据计算所得的梯度来迭代更新直到得到最优的网络权重参数，最终得到训练完毕的脉冲神经网络模型；S‑C，将待识别的触觉数据输入神经网络模型，输出物体识别结果。本发明能够方法能很好处理离散的触觉数据信息，且考虑了触觉数据的时间动态信息以及计算成本较高的问题，从而实现机器人触觉物体识别效果大大提高，具有高效率、高准确率、低耗能等优点。
-
公开(公告)号：CN114065806B
公开(公告)日：2022-12-20
申请号：CN202111259707.0
申请日：2021-10-28
申请人： 贵州大学
摘要： 本发明涉及一种基于脉冲神经网络的机械手触觉数据分类方法，包括，步骤S1，数据输入；步骤S2，图卷积层；步骤S3，发送脉冲；步骤S4，特征映射；步骤S5，发送脉冲；步骤S6，特征映射；步骤S7，发送脉冲；步骤S8，输出结构。本发明通过构建脉冲神经网络模型，包括，输入层、图卷积层、3个LIF层、2个具有不同输出的全连接层以及输出层；优化隐藏层的模型结构，并通过引入正态分布密度函数近似传播函数来加快模型收敛速度，提高物体分类准确性；通过修改隐藏层的结构，使模型与触觉感知场景更加贴合，更能够模拟实际场景，提高了感知能力，以及模型的鲁棒性。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.029 秒)
